Construction and validation of cognitive frailty risk prediction model for elderly patients with multimorbidity in Chinese community based on non-traditional factors
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Early identification of risk factors and timely intervention can reduce the occurrence of cognitive frailty in elderly patients with multimorbidity and improve their quality of life. To explore the risk factors, a risk prediction model is established to provide a reference for early screening and intervention of cognitive frailty in elderly patients with multimorbidity. METHODS: Nine communities were selected based on multi-stage stratified random sampling from May-June 2022. A self-designed questionnaire and three cognitive frailty rating tools [Frailty Phenotype (FP), Montreal Cognitive Assessment (MoCA), and Clinical Qualitative Rating (CDR)] were used to collect data for elderly patients with multimorbidity in the community. The nomogram prediction model for the risk of cognitive frailty was established using Stata15.0. RESULTS: A total of 1200 questionnaires were distributed in this survey, and 1182 valid questionnaires were collected, 26 non-traditional risk factors were included. According to the characteristics of community health services and patient access and the logistic regression results, 9 non-traditional risk factors were screened out. Among them, age OR = 4.499 (95%CI:3.26-6.208), marital status OR = 3.709 (95%CI:2.748-5.005), living alone OR = 4.008 (95%CI:2.873-5.005), and sleep quality OR = 3.71(95%CI:2.730-5.042). The AUC values for the modeling and validation sets in the model were 0. 9908 and 0.9897. Hosmer and Lemeshow test values for the modeling set were χ2 = 3.857, p = 0.870 and for the validation set were χ2 = 2.875, p = 0.942. CONCLUSION: The prediction model could help the community health service personnel and elderly patients with multimorbidity and their families in making early judgments and interventions on the risk of cognitive frailty.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».